偷偷摘套内射激情视频,久久精品99国产国产精,中文字幕无线乱码人妻,中文在线中文a,性爽19p

互聯(lián)網故障管理體系建設,看這一篇就夠了

新聞 前端
業(yè)界故障管理均基于ITIL演化而來,根據實際情況精簡流程以適配互聯(lián)網的精益迭代。

[[321989]]

 一、故障及故障管理定義

業(yè)界故障管理均基于ITIL演化而來,根據實際情況精簡流程以適配互聯(lián)網的精益迭代。

1、ITIL中的定義

故障:①非計劃性的IT服務中斷,或者IT服務性能的下降。②配置項的失效,即便沒有影響到服務。

故障管理:對所有故障進行處理的流程。

故障管理的目標:盡快恢復服務到正常運行,并且最小化對業(yè)務運營的不利影響,從而盡可能地保證服務質量和可用性的水平。

2、業(yè)界較完善定義

故障:除用戶方環(huán)境或者用戶自身操作引起的外,其他無論什么原因導致服務中斷、服務品質下降或者用戶服務體驗下降。

故障管理:圍繞故障生命周期采取的一系列活動和流程,包括故障等級定義、故障發(fā)現、故障響應、故障應急、故障恢復、故障復盤及持續(xù)改進。

故障管理的目標:預防可預知的問題,快速恢復不能預知的問題,不再重復已發(fā)生的問題。

二、為什么要做故障管理

互联网故障管理体系建设,看这一篇就够了

無論是理論還是實踐,均證明故障只要有發(fā)生的可能,它總會發(fā)生。所以為了保障業(yè)務穩(wěn)定性,需提前發(fā)現、解決風險,及時發(fā)現、定位原因、快速恢復故障,同時要確保改進措施有效落地、避免故障重復發(fā)生,我們需要建立一個規(guī)范可遵循、閉環(huán)的故障管理體系。

三、故障管理怎么做

故障管理就是圍繞故障全生命周期管理,形成體系閉環(huán)、持續(xù)改進。

互联网故障管理体系建设,看这一篇就够了

無論是理論還是實踐,均證明故障只要有發(fā)生的可能,它總會發(fā)生。所以為了保障業(yè)務穩(wěn)定性,需提前發(fā)現、解決風險,及時發(fā)現、定位原因、快速恢復故障,同時要確保改進措施有效落地、避免故障重復發(fā)生,我們需要建立一個規(guī)范可遵循、閉環(huán)的故障管理體系。

1、故障等級定義

1.1 故障序列

故障管理部門(例如質量部門、NOC、運維管理部門等)可根據實際情況定義故障序列,以下為目前業(yè)界可參考的序列,一類序列一般分為4級,級別數字越小嚴重程度越高。

  • P(PRIORITY)序列:技術基礎序列,為故障處理的綜合優(yōu)先級。
  • D(DATA)序列:數據質量序列,綜合數據資產等級與數據影響因素。
  • R(RISK)序列:輿情風險序列。
  • S(SLA)序列:衡量影響SLA嚴重程度。

1.2 故障定級

以P序列舉例:

故障定級建議分為通用型和業(yè)務型兩類,業(yè)務線型故障定級標準不得低于通用型故障定級標準。

通用型故障等級由故障管理部門定義,可包含受影響用戶數、受影響商家數、客訴增量、資金損失等通用指標。通用型故障場景在業(yè)務線型故障場景未覆蓋情況下兜底。

業(yè)務型故障等級由故障管理部門聯(lián)合業(yè)務團隊基于用戶視角共同定義,以下為業(yè)務型故障定級舉例。公司內部工具也可按照此模板定義故障級別以納入故障管理。

2、監(jiān)控告警

核心是業(yè)務監(jiān)控關聯(lián)故障等級定義做到故障及時發(fā)現。

告警本身要做到智能告警以提升告警準確率,例如智能閾值、智能基線、根因算法等。

3、故障應急

問題升級為故障后,由故障管理部門及時通告故障信息,拉起故障處理群/電話會議,協(xié)調、跟進、監(jiān)督故障處理直至恢復。

由于故障管理部門需要7X24應急響應,有條件的公司可以參考google的SRE、阿里的GOC組建團隊,成員分布不同時區(qū),實現日出而作,日落而息。

4、故障恢復

故障發(fā)生后的第一要務是恢復業(yè)務,預案、重啟、降級、隔離、切流、飽和式應急等,都是可選的方案。

5、故障復盤

5.1、故障復盤時效

為確保問題、風險能夠得到足夠重視,并及時制定改進措施,建議P1P2級別故障1個工作日內完成復盤,P3P4故障3個工作日完成復盤,其他序列故障可參考P序列時效性。

5.2、故障復盤準備工作

為提升復盤會議效率,故障管理人(復盤會議主持人)應該在會議之前整理如下信息:

  • 故障處理過程:必須包含故障注入、故障發(fā)生、故障發(fā)現、故障響應、初因定位、恢復執(zhí)行、故障恢復、根因定位等核心時間點及操作,其他關鍵時間點及操作視實際情況補充。
  • 影響業(yè)務:具體到下跌時段、下跌比例,資金損失金額。
  • 用戶/商家影響情況:理論影響量,來電、在線咨詢量
  • 故障根因及對應根因分類:設備故障、代碼問題、流程規(guī)范、應急災備、容量等。

5.3、故障復盤重要關注點

  • 故障預防:是否變更觸發(fā)
  • 故障發(fā)現:發(fā)現時長,發(fā)現來源,監(jiān)控優(yōu)化
  • 應急響應:響應時長
  • 故障恢復:恢復時長,恢復措施沉淀,改進
  • 改進措施:基于以上信息制定可驗的證改進措施,完成時間點,負責人

6、持續(xù)運營

持續(xù)運營是個廣義的概念,除了故障數據各種維度晾曬、經驗傳承、文化宣導外,最主要的是通過故障數據分析,識別故障各個生命階段的薄弱點、風險點,針對薄弱點、風險點有專項改進。

比如多次未灰度直接發(fā)布引起重大故障,變更制度、變更平臺是否可強管控;故障恢復主要依賴代碼發(fā)布導致恢復慢,是否可打造及時恢復文化,針對常見故障場景是否能沉淀快恢預案等。

四、對故障管理工作者的建議

故障管理路長且艱,以下給故障管理同學的建議,希望共勉。

1. 積極主動、認真負責

  • 風險、問題跟進不到位,演變成故障的數量會增多
  • 故障跟進不到位,影響面會擴大
  • 故障根因不明確,改進措施可能無效
  • 改進措施無效,故障還會重復發(fā)生

2. 敢于質疑

  • 監(jiān)控發(fā)現是否及時
  • 故障處理過程是否可優(yōu)化,有沒有人為失誤
  • 業(yè)務影響面統(tǒng)計是否真實
  • 故障原因是否是本次故障的根因
  • 改進措施制定是否合理

3. 自我提升

故障管理者不是統(tǒng)計、記錄文員,要以架構師嚴格要求自己,能夠指出故障各個階段存在的問題,并能夠獨立承擔對應優(yōu)化專項。

 

責任編輯:張燕妮 來源: 高效運維
相關推薦

2019-12-31 09:56:16

Linux 系統(tǒng) 數據

2019-04-01 10:43:59

Linux問題故障

2022-08-01 11:33:09

用戶分析標簽策略

2021-04-08 07:37:39

隊列數據結構算法

2023-09-11 08:13:03

分布式跟蹤工具

2020-02-18 16:20:03

Redis ANSI C語言日志型

2023-02-10 09:04:27

2022-06-20 09:01:23

Git插件項目

2020-07-29 11:00:43

運維架構技術

2017-03-11 22:19:09

深度學習

2022-04-07 10:39:21

反射Java安全

2023-11-18 09:30:42

模型AI

2020-07-03 08:21:57

Java集合框架

2019-05-14 09:31:16

架構整潔軟件編程范式

2023-10-17 08:15:28

API前后端分離

2018-05-22 08:24:50

PythonPyMongoMongoDB

2024-09-23 08:00:00

消息隊列MQ分布式系統(tǒng)

2019-05-09 15:12:20

Linux 系統(tǒng) 數據

2024-07-31 15:39:00

2019-04-02 10:51:29

瀏覽器緩存前端
點贊
收藏

51CTO技術棧公眾號